课程大纲：

第一部分: 大模型下的研发效能提升

1.    软件研发效能的定义、目标及解决的问题

2.    软件研发效能的实践框架和实施策略

3.    AI在研发管理中的价值

4.    AI在研发效能提升中的实践

5.    AI对研发效能管理的影响

6.    AI对软件开发领域效能实践

7.    AI对软件测试领域效能实践

8.    AI 赋能研发效能多家研发中心案例分析

第二部分:AIGC，ChatGPT和大模型技术应用实践案例

1.    大语言模型的基本概念

2.    大语言模型的核心原理

3.    AIGC的基本概念和主要应用领域

4.    大模型GPT和chatGPT的关系

5.    ChatGPT的历史和发展

6.    ChatGPT在日常应用领域的实践

7.    软件开发领域的各类AI工具及应用

8.    信息安全监管和信创化，国产化要求的大模型应用

9.    利用公司私有数据开发大模型应用的三种方式与案例

10. 各大厂在效能领域自研AI工具的探索

11. 开发适合自己公司的需求、编码、测试AI工具的方案

12. 多家研发中心的案例分析

第三部分: 基于Prompt提示工程提高研发效率

1.    Prompt如何使用

2.    Prompt使用进阶

3.    什么是提示与提示工程

4.    提示工程的巨大威力：从Let’s think step by step说起

5.    我们与ChatGPT的沟通模型

6.     从人工智能学科角度看提示工程

7.    拆解、标准化、流程化：如何用AI改造工作

8.    使用BROKE框架设计ChatGPT提示

9.    背景（Background）：信息传达与角色设计

10. 角色（Role）：AI助手的角色扮演游戏

11. 目标与关键结果（Object&Key Results）：给ChatGPT“打绩效”

12. 改进（Evolve）：进行试验与调整

13. 从认知心理学角度看BROKE框架的设计

14. Prompt案例分析

第四部分: AI大模型辅助产品经理提高效能

1.    ChatGPT辅助竞品分析与市场调研

2.    ChatGPT辅助产品需求管理（需求获取，需求分析，需求建模）

3.    ChatGPT辅助产品数据分析

4.    ChatGPT辅助用户体验设计

5.    ChatGPT辅助产品原型设计

6.    ChatGPT辅助产品创新与演进

7.    某公司应用案例分析

第五部分: AI大模型辅助架构师提高研发效能

1.    大模型AI技术重塑软件架构

2.    大模型AI技术对传统软件架构的挑战

3.    大模型AI技术为软件架构带来的机遇和创新

4.    ChatGPT在软件开发架构设计中的作用

5.    ChatGPT辅助软件架构文档和视图

6.    ChatGPT辅助设计高效的软件架构

7.    ChatGPT辅助设计分布式微服务架构

8.    ChatGPT辅助领域驱动架构

9.    ChatGPT辅助设计高性能，高可用，可扩展架构

10. ChatGPT辅助设计灵活性架构

11. ChatGPT辅助设架构监控与治理

12. ChatGPT辅助设架构重构与演化

13. ChatGPT辅助架构评估和改进设计方案

14. AI大模型在软件架构的应用案例分析

第六部分: AI大模型辅助设计师提高研发效能

1.    ChatGPT 辅助进行前端设计-基于前端框架设计

2.    ChatGPT 辅助进行详细设计和完成设计文档

3.    ChatGPT 辅助灵活性设计-设计原则与模式

4.    ChatGPT辅助进行数据库设计（概念模型，逻辑模型，物理模型）

5.    ChatGPT编写高质量的程序代码

6.    ChatGPT辅助代码评审

7.    ChatGPT辅助设计与编写单元测试

8.    ChatGPT辅助代码重构与性能优化

9.    ChatGPT辅助解释遗留系统代码

10. ChatGPT辅助遗留系统的代码维护

11. 案例分析

第七部分: AI大模型辅助测试与QA质量人员提高效能

1.    大模型在测试阶段各种使用场景

2.    大模型在软件质量保障中的各种使用场景

3.    chatGPT在测试领域的擅长和不擅长

4.    chatGPT辅助自动生成测试用例

5.    chatGPT辅助自动生成测试数据

6.    chatGPT辅助测试的覆盖率提升

7.    chatGPT辅助进行性能测试

8.    chatGPT在单元测试中的应用与落地

9.    基于自然语言处理的自动化测试方案

10. 探索式测试和chatGPT的测试需求启发

第八部分:大模型AI辅助编程工具提升开发效率（可以选择工具）

1.了解人工智能辅助编程工具的基本原理和应用场景

1.    Github  Copilot

2.    亚马逊的 CodeWhisperer

3.    智能代码编辑器Cursor

4.    国产智能编程助手CodeGeeX等

5.    认识实践 Copilot Chat

6.    GitHub copilot 主要使用场景

7.    GitHub Copilot 的实现原理

8.    GitHub Copilot 加持下的软件生态改变

9.    Copilot 改变传统开发的 10 大场景

10. GitHub Copilot 的编程技巧

11. GitHub Copilot 下的测试优化

第九部分: 基于GitHub Copilot辅助开发实战案例

1.    项目概述

2.    需求分析和需求获取，需求管理

3.    GitHub Copilot 主要使用场景

4.    认识实践 GitHub Copilot

5.    上手 Copilot AI辅助编程，编码与项目实战探索

6.    GitHub Copilot 编程进阶

7.    GitHub Copilot prompt 原理和实战

8.    GitHub Copilot 编程技巧

9.    全面了解Copilot的工作原理，建立AI辅助编程知识体系

10. 实际操作用Copilot做开发，演练典型研发工作场景

11. 使用Copilot辅助进行TDD和单元测试

12. 使用Copilot辅助进行系统测试

第十部分: ChatGPT和GitHub Copilot辅助开发案例分析-Web应用

1.    项目概述

2.    使用chatGPT辅助进行需求分析和需求获取，需求管理

3.    使用chatGPT辅助进行原型设计

4.    使用chatGPT辅助进行软件架构设计

5.    使用chatGPT辅助进行软件详细设计（页面设计，领域设计，服务设计）

6.    使用chatGPT辅助进行数据库设计

7.    使用chatGPT辅助编写高质量的代码

8.    使用chatGPT辅助进行系统测试

第十一部分: ChatGPT的未来发展和应用前景

1.    ChatGPT在软件研发行业中的应用前景

2.    ChatGPT目前国内企业使用的现状

3.    ChatGPT与国产大模型的对比

4.    ChatGPT的风险与不确定性应对

5.    ChatGPT的技术和专利技术

6.    ChatGPT的法律风险（版权归属）

7.    ChatGPT的哲学思考